Gemini Omni
Google DeepMind · 影片
Gemini Omni 是 Google DeepMind 的原生多模態模型家族，設計用來接收幾乎任何輸入，並轉換成幾乎任何輸出。首個版本 Gemini Omni Flash 聚焦在影片：你可以用一段文字提示生成短片，放入參考圖像或音訊，再以描述方式編輯結果。它的目標是想要用單一模型完成生成與修改，而不是把好幾套工具拼起來的創作者與開發者。
關於 Gemini Omni
Gemini Omni 是什麼
Gemini Omni 是 Google DeepMind 最新的多模態 AI 模型，於 2026 年 5 月 20 日在 Google I/O 發表。先前的影片模型是拿一段提示產生短片，Omni 則被設計成套 any-to-any 系統：文字、圖像、音訊與影片進，連貫的結果出。家族中的第一個模型 Gemini Omni Flash 已登上 Gemini 應用程式、Google Flow 與 YouTube，API 存取則承諾之後推出。
賣點是對話式編輯。不必反覆重新生成直到碰巧滿意，你只要描述想要的改變（「讓小提琴消失」、「把鏡頭角度改成過肩視角」），模型就會套用，同時讓場景其餘部分維持穩定。DeepMind 表示 Omni 在世界理解上有所躍進，因此生成的物理與物體行為比以前更能自圓其說。
AI 影片生成是人們上門的原因。Gemini Omni 的價格則決定他們是否留下。
主要限制在於範圍。目前實務上，Omni 就是一款影片模型。any-to-any 這個說法指向未來的圖像與音訊生成，但那是路線圖，不是已交付的功能。DeepMind 也會在所產出的一切加上 SynthID 與 C2PA 中介資料，若你打算商業使用輸出，這點很重要。
開始使用
- 開啟 Gemini 應用程式、Google Flow 或 YouTube，尋找由 Omni 驅動的影片工具。
- 撰寫描述你想要的短片的提示，或上傳參考圖像、音訊或影片作為引導。
- 生成第一版並檢視。
- 用平實語言描述編輯，例如更換背景或某個物件，讓 Omni 重新生成那個部分。
- 匯出或分享短片。預期 SynthID 與 C2PA 標記會跟著檔案一起走。
產品資訊
快速了解 Gemini Omni 的定價、支援平台與效能。
適合對象
這項工具最適合的使用者、任務與情境。
使用者
- 影片創作者：你能在同一處生成與修改短片，前提是你習慣從提示下手，而不是靠時間軸剪輯器。
- 行銷與社群團隊：為 YouTube Shorts 與類似格式快速做概念影片，前提是你有付費 Gemini 方案支撐點數預算。
- 產品與設計團隊：用幾張參考圖做出粗略的動態草稿，只要你把輸出當成草稿看待。
- 開發者：值得留意 API 存取，但你得等它推出。
任務
- 文字轉影片：把書面場景描述變成一段帶音訊的短片。
- 對話式影片編輯：以描述方式更換背景、道具或鏡頭角度。
- 圖像轉影片：讓靜態圖片動起來，或把主體融合進新場景。
- 參考轉影片：混合圖像與音訊參考，讓角色維持一致的外觀與聲音。
情境
- 用一個概念產出一批社群短片，其中每次生成的點數成本就是實務上的上限。
- 在投入完整拍攝前，先反覆調整分鏡。
- 在真實素材上加入 AI 生成元素，例如把主體放進新環境。
主要功能
Any-to-Any 多模態輸入
Omni 接受文字、圖像、音訊與影片作為輸入，再產出影片輸出。實務上，你可以給它一張照片加一句話，或一段短片加一段語音參考，它會綜合全部一起處理。DeepMind 將此定位為整個家族的基礎，其他輸出類型則承諾日後推出。
對話式影片編輯
最突出的功能是靠描述來編輯。你告訴 Omni 要改什麼，它就套用編輯，同時讓周遭場景保持一致。DeepMind 頁面上的範例包括讓物件消失、把樂手移到不同場景，以及變換鏡頭角度。這就是重骰與執導之間的差別。
強大的物理與世界理解
DeepMind 聲稱在世界理解上有躍進，其範例也著重物理連續性：彈珠沿軌道滾動、燈光隨音樂亮起、手與玩具互動。更好的物理意味著更少那種融化物體的瑕疵，正是那些瑕疵讓先前的影片模型除了新鮮感之外一無是處。
一致的角色與聲音
參考轉影片的支援讓你放入圖像與音訊參考，使角色在一段短片中維持相同外觀與聲音。DeepMind 回報在其內部的參考轉影片基準中，於整體偏好與語音貼合度取得領先結果，並引用 468 個範例的人類評分者。
有紀錄的基準結果
DeepMind 公布的是比較資料，而非含糊宣稱。在 Meta 的基準 MovieGenBench 上，Omni 於 1,003 段提示的整體偏好與指令遵循取得最佳表現。在圖像轉影片基準 VBench 上，Omni Flash 與 Grok-Imagine-Video 及 Kling 並列，領先其他模型。所有數字都來自 DeepMind 自家的評估。
內建的內容來源標示
在 Gemini 應用程式、Google Flow 或 YouTube 中以 Omni 建立或編輯的一切，都帶有肉眼不可見的 SynthID 浮水印與 C2PA 中介資料。這個標記能在多數編輯後留存，有助平台與觀眾分辨 AI 生成影片與攝影機實拍。
以點數為基礎的存取
生成靠點數運作，而非無限使用。根據實測報導，單支影片約耗 15 至 40 點，一輪編輯約 40 點，而每月 $20 的 Google AI Pro 方案包含 1,000 點。密集測試會很快耗盡這個額度。1,000 點實際上能撐多久？沒有你想像得久。
優缺點
優點
- 單一模型涵蓋生成與編輯，你不必為每個步驟在各自獨立的工具間跳來跳去。
- 對話式編輯減少了反覆重生成影片直到看起來對為止的試錯。
- 改善的物理與世界理解，減少了那種飄浮、物體融化的觀感。
- 內容以 SynthID 與 C2PA 標記，支持負責任的揭露。
- 首日即在 Gemini 應用程式、Google Flow 與 YouTube 上可用。
缺點
- 實務上它是影片模型，所以 any-to-any 的承諾大多面向未來。
- 點數成本會累積：單一段短片或編輯就可能吃掉月度額度的可觀一部分。
- 尚無公開 API，阻擋了想在其上開發的開發者。
- 輸出仍是 AI 影片，因此瑕疵與連貫性失誤仍會出現，正如早期評論所指。
常見問題
Gemini Omni 是為影片創作與編輯而打造。你用文字描述一段短片，可選擇性加入圖像或音訊參考，它就生成影片。之後你能以平實語言描述改變來修改它。
相關內容
探索與 Gemini Omni 相關的工具、技能與文章。
Gemini Omni 替代方案
Vadu AI
Vadu AI · 圖片 · 影片Vadu AI 是一款網頁式 AI 影片生成器，能把文字提示或靜態圖片變成短影片，也能自行生成圖片。你輸入想要的內容，挑選模型與風格，平台就會在幾分鐘內算好成品。免費方案足以應付輕度測試，付費方案則依你消耗的點數，每月從 9 美元到 77.40 美元不等。
Mykaraoke Video
MyKaraoke Video · 影片Mykaraoke Video 是一款線上卡拉 OK 影片與歌詞影片製作工具，能直接在瀏覽器裡把任何歌曲變成成品影片，歌詞也同步完成。它幫你處理最費時的部分。AI 會從混音中抽出人聲，並把歌詞對上節拍，接著讓你自訂背景、字型與顏色，最後匯出 1080p 的 MP4。如果你要為社群媒體、派對夜晚或音樂宣傳製作歌詞影片，它讓你完全省去安裝軟體與手動對時間的功夫。 想要一款不會吃掉你整個晚上的卡拉 OK 影片產生器嗎？這就是它的賣點。
Finalframe
Finalframe · 影片Finalframe 是一組免費的瀏覽器工具，用來從影片片段中抓出精確的影格。它最知名的功能「最後一格擷取工具」讓你擷取任何影片的最後一格，當作 Luma Dream Machine、Runway 或 Kling 等 AI 影片工具的起始圖片。想把片段接下去？那一格就是你的起點。這項工具在你的瀏覽器本機執行，不必註冊，也不收費。同一個團隊另一款付費的 AI 影片生成 App 目前下線中，正在重新打造。